Analysis of medical data via artificial neural networks with comparing different training methods and activation functions
Yapay sinir ağları ile tıbbi verilerin değişik eğitim metodları ve aktivasyon fonksiyonları kullanılarak analizi
- Tez No: 290279
- Danışmanlar: DR. İHSAN HALUK AKIN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Anemi, Yapay sinir ağları, Anemia, Artificial neural networks
- Yıl: 2011
- Dil: İngilizce
- Üniversite: Fatih Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışma tıbbi verilerin yapay sinir ağları yolu ile analizi ve bu ağların tanı koyabilmedeki performansı ile ilgilidir. Ağlar eğitilirken Fast Artificial Neural Network isimli bir yapay sinir ağı kütüphanesini kullanan FannTool isimli ücretsiz dağıtım bir program kullanılmıştır. Farklı algoritmalarla eğitilmenin, farklı ağ dizaynlarının, farklı eğitim/test oranına sahip veri setlerinin kullanımının, farklı miktarlarda adımlarla eğitilmenin, farklı aktivasyon fonksiyonları kullanımının yapay sinir ağının performansını nasıl etkilediği araştırılmıştır.
Özet (Çeviri)
This study is about analyzing medical data with using neural networks and the accuracy of these networks on diagnosis. During the training of neural networks, a program named FannTool that is under GPL license and uses an artificial neural network library named Fast Artificial Neural Network is used. Training with different algorithms, different network designs, using data sets with different training/test ratio, training with different number of epochs, using different activation functions are investigated to find out how they affect the performance of artificial neural networks.
Benzer Tezler
- Fractal modeling of surface electromyography (EMG) signals for EMG pattern recognition by artificial neural networks
Yüzeyden kaydedilen elektromiyografik (EMG) sinyallerin yapay sinir ağları ile örüntü tanıma amaçlı modellenmesi
MEHMET EYLEM KIRLANGIÇ
Yüksek Lisans
İngilizce
1998
Tıbbi BiyolojiBoğaziçi ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. AYKUT SÜMER
- Data and model based performance improvement in transfer learning by using generative adversarial networks and model fusion techniques
Çekişmeli üretici ağlar ve model tümleştirme teknikleri kullanarak aktarımlı öğretimde veri ve model tabanlı performans iyileştirme
TUĞÇE TOPRAK
Doktora
İngilizce
2025
Elektrik ve Elektronik MühendisliğiDokuz Eylül ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA ALPER SELVER
- Tıbbi veri kümeleri arasındaki birliktelik kurallarının çok amaçlı genetik algoritma ile çıkarılması
Extraction of association rules in medical datasets via multi-objective genetic algorithms
BUKET KAYA
Yüksek Lisans
Türkçe
2010
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBiyomühendislik Ana Bilim Dalı
DOÇ. DR. İBRAHİM TÜRKOĞLU
- Yapay sinir ağları yaklaşımı ile curuflarda fosfor kapasitelerinin incelenmesi
Estimation of phosphorus capacities of molten slags using artificial neural network approach
EMRE ALAN
Yüksek Lisans
Türkçe
2013
Metalurji Mühendisliğiİstanbul Teknik ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
DOÇ. DR. CEVAT BORA DERİN
- Motor hareket hayali eeg verilerini deneklerden bağımsız ortak elektrotlar kullanarak sınıflama
Classification of motor imagery eeg data using subject-independent common electrodes
ALİ ÖZKAHRAMAN
Doktora
Türkçe
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TAMER ÖLMEZ